David Baker, Demis Hassabis i John M. Jumper zostali laureatami Nagrody Nobla z chemii za ich prace związane z projektowaniem i przewidywaniem trójwymiarowej struktury białek - ogłosił w środę w Sztokholmie Komitet Noblowski. Nagroda z chemii dotyczy zastosowania metod uczenia maszynowego do poznania, odkrywania, zrozumienia i projektowania struktur białek.

"Przed zastosowaniem uczenia maszynowego naukowcy przez ponad sto lat, korzystając z metod doświadczalnych, odkrywali struktury białek. Uzyskane dane – ponad sto tysięcy struktur białek - były podstawą do późniejszego nakarmienia sztucznej inteligencji" – powiedziała dr Górna, biolożka z UW zajmująca się białkami, która wraz z innymi naukowcami w Centrum Współpracy i Dialogu Uniwersytetu Warszawskiego (CWiD UW) komentowała środowe Nagrody Nobla w dziedzinie chemii.

Biolożka podkreśliła, że niezależnie od tego, jak bardzo zachwyca wszystkich sprawność generowania danych przez sztuczną inteligencję - naukowcy muszą patrzeć na nie krytycznie i poddawać ciągłej weryfikacji.

Ekspertka przyznała, że w codziennej pracy korzysta z narzędzia, za które została przyznana Nagroda Nobla. Powiedziała, że kiedy naukowcy projektują nowe białko, które chcą wyprodukować w laboratorium – to najpierw tworzą jego model, używając narzędzi sztucznej inteligencji, opracowanych przez noblistów.

I dodała: „nie do końca jeszcze dowierzamy tym metodom. Póki co, te metody sprawdzają się w przypadku pojedynczych białek, natomiast dopiero najnowsza wersja AlphaFold potrafi tworzyć kompleksy białek, czyli białko z innym białkiem, lub białko z kawałkiem DNA lub RNA - więc powoli zbliżamy się do budowania coraz bardziej złożonych układów. Myślę, że następnym krokiem będzie projektowanie leków, które będą działały na wybrane białka".

Na uwagę zasługuje jednak fakt – co podkreślono na spotkaniu w CWiD UW - że sztuczna inteligencja, która tworzy struktury białek, dostarcza gotowy produkt (strukturę białka - PAP), ale nie dostarcza informacji o samym procesie tworzenia – czyli o tym, w jaki sposób białka się zwijają.

"Mówi się, że to, co sztuczna inteligencja robi z danymi, to jest czarna skrzynka – nie rozumiemy procesów, które się tam odbywają. Jeżeli przestaniemy dociekać, co tam się dzieje, to może być dla nas niebezpieczna pułapka" – powiedział prof. Jacek Jemielity, kierownik Laboratorium Chemii Biologicznej w Centrum Nowych Technologii UW.

Dysponując bardzo dużą ilością danych dobrej jakości, można osiągnąć bardzo wiele - podkreślił Jemielity, nawiązując do narzędzia obliczeniowego, za które została przyznana Nagroda Nobla.

"Dzięki niezwykłej wydajności obliczeń możemy poznać strukturę białek zarówno tych, które już znaliśmy – możemy je ponownie zweryfikować, jaki i tych, których jeszcze nie znaliśmy. To jest doskonały przykład, jak bardzo sztuczna inteligencja może nam pomóc, jeśli dane są wartościowe. Jednak nad dostarczaniem dobrych danych ciągle musi czuwać człowiek. Musimy być krytyczni wobec wyników, które uzyskujemy, i ciągle musimy je weryfikować na różne sposoby" – powiedział Jemielity.

Jednocześnie zwrócił uwagę, "że obecnie nadużywa się stwierdzenia, że sztuczna inteligencja może stworzyć nową jakość bez dostępu do dobrych danych". (PAP)

Nauka w Polsce, Urszula Kaczorowska

uka/ zan/ jpn/